On parle actuellement beaucoup de l’Intelligence Artificielle pour aider les laboratoires ou les Etats à lutter contre le Covid-19. Mais l’Intelligence Artificielle accompagne déjà les entreprises dans de nombreuses tâches. Retrouvez dans chaque onglet une solution utilisant l’IA pour aider des entreprises :

L’Oréal utilise depuis 2019 les outils de la start-up chinoise Seedlink, constitués de réseaux de neurones artificiels pour analyser des réponses écrites des candidats. Des questions ouvertes sont posées aux candidats pour évaluer son adéquation avec la culture de l’entreprise. L’outil attribue un score et le transmet au recruteur, ce dernier décide ensuite d’inviter ou non le candidat à un entretien physique.

L’algorithme a été entrainé par 80 collaborateurs qui ont tout d’abord entré eux-mêmes des réponses. Puis le système continue à évoluer avec celles des candidats. Il est utilisé notamment pour traiter les demandes de stages (entre 25.000 et 30.000 par an en France).

Eva Azoulay, directrice d’acquisition des talents chez L’Oréal explique que cet outil permet d’avoir une plus grande diversité, puisqu’il permet d’évaluer les candidatures au-delà du CV. Face à de gros volumes de candidatures, un recruteur risque d’aller à la facilité et ne retenir que les étudiants de quelques écoles. L’objectif est de réduire les biais les plus importants pour améliorer le traitement des candidatures.

L’Oréal avait l’année dernière essayé brièvement les services de l’agent virtuel Vera de l’entreprise Stafory : cette IA était censée faire passer des entretiens téléphoniques ou Skype aux candidats, analyser leurs réponses et émotions, puis les écarter ou les retenir. Renvoyé deux mois après les essais car cette méthode de sélection réduisait fortement la dimension humaine des recrutements.

L’entreprise française EasyRecrue, elle, a choisi de développer un système d’IA pour vidéo intitulé Smart Ranking. Cet outil attribue une note aux candidats en fonction de leur prestation devant la caméra. Le Crédit Agricole Normandie utilise les entretiens vidéo et teste l’outil Smart Ranking. Les candidats ont six questions orales, deux minutes pour chacune, et trois questions écrites. L’IA extrait des descripteurs en fonction des thèmes abordés, du débit de la parole, des variations au niveau de la voix et transforme ces données en indicateur pour le recruteur, mais cet outil ne reste qu’une aide à la décision.

 

L’intelligence artificielle intervient dans le marketing automation. Par marketing automation, on entend l’automatisation des campagnes marketing déclenchées par des conditions prédéfinies le plus souvent sur la base du comportement de l’utilisateur. Une fois déployé, il déclenche des messages automatiques (e-mail, SMS, notification, personnalisation on-site, courrier papier, appel téléphonique, etc.) et très personnalisés afin qu’une entreprise accompagne ses clients et prospects intelligemment.

Étant donné qu’il envoie les bons messages, aux bonnes personnes, au bon moment, le marketing automation permet d’obtenir des résultats bien plus intéressants que les campagnes marketing classiques. De plus, il est important pour les équipes marketing d’envoyer du contenu plus pertinent car de nombreux internautes en ont assez de recevoir trop de messages inutiles.

Le problème c’est que les conditions qui déclenchent les scénarios de marketing automation sont infinies et s’appuient sur des centaines de milliers voire des millions de données présentes dans les SI des entreprises. Et les équipes marketing des PME sont confrontées à plusieurs problématiques :

  • Elles n’ont pas le temps d’exploiter toutes ces données,
  • Elles n’ont pas les compétences pour les exploiter,
  • Elles n’ont pas les budgets pour financer les logiciels nécessaires.

C’est à ce moment précis qu’intervient l’intelligence artificielle. En effet, étant donné que l’IA consiste à mettre en œuvre un certain nombre de techniques permettant aux machines d’imiter l’intelligence réelle, son utilisation au sein d’outils logiciels de marketing automation permettra de remplacer les innombrables heures humaines nécessaires à l’analyse des données pour déployer une stratégie de marketing automation performante. L’IA permettra donc de traiter automatiquement les millions de données des entreprises afin que les marketeurs puissent prendre les bonnes décisions pour déclencher et personnaliser leurs campagnes.

En se projetant à long terme, on peut même penser que les bons messages seront envoyés automatiquement aux bonnes personnes au bon moment sans aucune intervention humaine, etc.

L’assurance est historiquement un utilisateur important de machine learning tous domaines confondus. Mais avec la montée en puissance de la data, les compagnies d’assurance ont l’opportunité de décupler leur capacité d’IA. C’est notamment le cas dans l’assurance automobile. Avec la démocratisation des voitures connectées, les acteurs du secteur bénéficient désormais de données réelles complètes sur l’usage des véhicules. Des informations anonymisées qu’ils acquièrent directement auprès des constructeurs. L’ensemble des traitements réalisés par l’IA permettent d’améliorer les modèles de probabilité des actuaires.

Autre IA actionnée dans l’assurance pour affiner l’analyse de risques : le deep learning appliqué à la reconnaissance d’images satellitaires. Par exemple les modèles de prédiction d’inondation sont améliorés en prenant en compte un nombre plus important de critères. De plus en combinant des données météo avec des photos prises par satellite, des modèles sont créés pour anticiper les catastrophes naturelles ou les niveaux de rendement agricole.

CNP Assurances, spécialiste français de l’assurance de personnes, utilise lui l’IA à travers le machine learning pour optimiser le parcours des bénéficiaires de l’assurance vie. Des algorithmes de fuzzy matching (ou recherche floue) pour retrouver ses références dans le fichier national des personnes décédées dans lequel les noms peuvent être mal orthographiés. Le taux de reconnaissance est de plus de 95% et permet de réduire l’intervention d’un opérateur et ainsi de déclencher les paiements beaucoup plus rapidement. Toujours pour améliorer le parcours client, CNP Assurances recourt à l’apprentissage machine pour vérifier la conformité des documents transmis par ses assurés (RIB, devis), puis pour en automatiser la saisie dans ses système d’information.

 

Disponible en 103 langues, soit 99% de celles parlées dans le monde, Google Translate est le leader du secteur de la traduction en ligne. L’intelligence artificielle doit lui permettre d’éviter les incohérences, contresens et approximation qui empêchent une traduction fluide et qualitative.

Utilisé par 500 millions d’internautes chaque mois, Google Neural Machine Translation (GNMT) a été intégré à son application, pour réduire les erreurs de traduction. Cette technologie basée sur les réseaux neuronaux informatiques est conçue pour répliquer le cerveau humain. Il ne considère plus les phrases mot à mot mais dans leur globalité, pour les traduire le plus fidèlement possible.

Il faut savoir qu’auparavant, Google Translate réalisait de la traduction mot-à-mot, utile mais hachée et imprécise, actuellement il réalise une traduction basée sur des fragments de phrases ce qui permet une approche plus globale de la traduction. Pour le moment 9 langues sont concernées par ce type de traduction. L’outil est donc utile pour plus d’un tiers de la population mondiale, et 35% des requêtes traitées par Google Translate.

Google et ses concurrents protègent leurs modèles de moteurs neuronaux ainsi que tous les détails techniques de ces outils. Récemment, l’ajout de nouvelles puces ont permis de réduire fortement la vitesse de traduction. Au lancement de Google Translate par moteurs neuronaux, celle-ci était 100 fois plus lente qu’aujourd’hui. Les algorithmes sont alimentés par de nombreuses données, professionnelles mais aussi courantes. Ils s’entraînent et auto-apprennent à partir de corpus spécifiques et des segments de phrases préalablement traduits par un humain.

Cet article est écrit par Amaury BERTIN et mis à la disposition du public en licence creative common CC BY 3.0 (https://creativecommons.org/licenses/by/3.0/fr/)

Répondre